原文服务方: 计算机应用研究       
摘要:
针对电价波动幅度大且预测精度低的问题,提出了二层分解技术与神经网络组成的电价多步预测模型.该模型采用集合经验模式分解将原始电价序列分解为一系列分量,变分模态分解将第一层分解产生的最高频率分量进一步分解为一系列模态分量,所有分量采用神经网络模型进行预测,并使用纵横交叉算法对神经网络的参数进行优化,最后叠加所有子序列,得出预测电价值.仿真结果表明,所提出的模型相比其他混合模型具有更好的预测性能,且实用价值高.
推荐文章
基于二层分解技术的短期负荷预测研究
可变模式分解
奇异谱分析
改进鲸鱼优化算法
极限学习机
负荷预测
时间序列分解在短期电价分析与预测中的应用
电价预测
最小二乘支持向量机
时间序列分解
移动平均法
离散傅里叶变换
数据挖掘技术在电价预测中的应用
电力市场
电价预测
数据挖掘
相似性搜索
频谱分解技术在储层预测中的应用
频谱分解
调谐体
傅氏变换
短时窗
储层预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 二层分解技术在电价预测中的应用研究
来源期刊 计算机应用研究 学科
关键词 二层分解 纵横交叉算法 多步预测 神经网络 电价预测
年,卷(期) 2019,(4) 所属期刊栏目 系统应用开发
研究方向 页码范围 1101-1105
页数 5页 分类号 TP391
字数 语种 中文
DOI 10.19734/j.issn.1001-3695.2017.09.0925
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 殷豪 51 287 10.0 14.0
2 董朕 11 94 6.0 9.0
3 曾云 6 12 2.0 3.0
4 黄圣权 4 6 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (128)
共引文献  (125)
参考文献  (19)
节点文献
引证文献  (3)
同被引文献  (3)
二级引证文献  (0)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(3)
  • 参考文献(0)
  • 二级参考文献(3)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(12)
  • 参考文献(0)
  • 二级参考文献(12)
2004(14)
  • 参考文献(0)
  • 二级参考文献(14)
2005(17)
  • 参考文献(1)
  • 二级参考文献(16)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(9)
  • 参考文献(1)
  • 二级参考文献(8)
2008(13)
  • 参考文献(0)
  • 二级参考文献(13)
2009(10)
  • 参考文献(4)
  • 二级参考文献(6)
2010(10)
  • 参考文献(1)
  • 二级参考文献(9)
2011(7)
  • 参考文献(0)
  • 二级参考文献(7)
2012(10)
  • 参考文献(2)
  • 二级参考文献(8)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(5)
  • 参考文献(5)
  • 二级参考文献(0)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
二层分解
纵横交叉算法
多步预测
神经网络
电价预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导